买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江大学申请的专利一种基于半监督集成学习的大跨空间结构风场重构方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119203740B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411247846.5，技术领域涉及：G06F30/27；该发明授权一种基于半监督集成学习的大跨空间结构风场重构方法是由万华平;胡鹏华;葛荟斌设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本一种基于半监督集成学习的大跨空间结构风场重构方法在说明书摘要公布了：一种基于半监督集成学习的大跨空间结构风场重构方法，提出采用风压数据获取反应风速大小和相对风向的特征，结合半监督集成学习方法，实现高精度和高鲁棒性的大跨空间结构来流风场重构。具体实施流程如下：A.预处理大跨空间结构的风压、风场监测数据，建立总数据集；B.采用两阶段K‑means聚类算法从平均风压数据提取反应风速大小的聚类特征；C.采用Isomap流形学习算法从平均风压系数数据提取反应相对风向的流形特征；D.将聚类特征与流形特征数据加入总数据集，构建训练数据集与测试数据集；E.训练基于两阶段K‑means聚类算法和Isomap流形学习算法特征提取的半监督集成学习模型，输入无对应风场的风压分布特征，重构大跨空间结构缺失的来流风场。

本发明授权一种基于半监督集成学习的大跨空间结构风场重构方法在权利要求书中公布了：1.一种基于半监督集成学习的大跨空间结构风场重构方法，包括如下步骤：A.预处理大跨空间结构的风压、风场监测数据，建立总数据集；B.采用两阶段K-means聚类算法从平均风压数据提取反应风速大小的聚类特征；C.采用Isomap流形学习算法从平均风压系数数据提取反应相对风向的流形特征；D.将聚类特征与流形特征数据加入总数据集，构建训练数据集与测试数据集；E.训练基于两阶段K-means聚类算法和Isomap流形学习算法特征提取的半监督集成学习模型，输入无对应风场的风压分布特征，重构大跨空间结构缺失的来流风场；具体包括：E1.采用简单平均集成方法，构建基于两阶段K-means聚类算法和Isomap流形学习算法特征提取的半监督集成学习模型，集成学习模型选用随机森林模型和极端随机树模型进行集成，计算公式为： 式中：Yx为简单平均集成预测值，yix为第i个模型预测值，T为简单平均集成法采用的模型个数；E2.输入无对应风场的风压分布特征数据，重构大跨空间结构缺失的来流风场。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。